(环境搭建五) ubunut安装gpu版本tensorflow（已经装好GPU版本的pytorch的情况下-即已经装好cuda-cudnn）

 在上一篇博客基础上：  (环境搭建四) ubunut安装gpu版本pytorch: (Ubuntu16.04 RTX2080ti: 安装NVIDIA驱动+cuda10.0+cudnn7.4)

 

 

这里要注意和base环境分开使用

因此要用conda从新建立独立env环境

 

1 首先创建独立环境：

conda create --name WaterNet-tensorflow python=3.7   (绿色表示自定义的环境名称)

 

2 查看是否创建成功

conda env list

发现多了一个环境，base是基本环境

3 激活环境

source activate WaterNet-tensorflow

发现左侧括号里面从base变成了WaterNet-tensorflow,这说明已经切换到这个环境里面了，base表示基本环境，随便打开个终端，在不激活其他环境的情况下这个环境就是base

 

4 (此步骤非必须)查看cuda版本

此时第一步是调查下自己安装的cuda版本：此博客有着清晰的介绍： tensorflow 安装GPU版本，个人总结，步骤比较详细

https://blog.csdn.net/gangeqian2/article/details/79358543?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522160661455219724838594434%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=160661455219724838594434&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_click~default-1-79358543.pc_first_rank_v2_rank_v28&utm_term=%E5%AE%89%E8%A3%85tensorflow-gpu&spm=1018.2118.3001.4449

 

私人需求：本环境是为了WaterNet设置的，因此网络应与其同样的环境：WaterNet的环境  TensorFlow 1.x, Cuda 8.0, and Matlab.
WaterNet网址 https://github.com/Li-Chongyi/Water-Net_Code

我的cuda版本是4.8.3，作者要求是8.0，先不看这个安装尝试下

5(此步骤非必须)查看CUDA cudnn版本对应关系

https://blog.csdn.net/qq_27825451/article/details/89082978

 

6 安装 tensorflow-gpu版本

命令行输入：pip install tensorflow-gpu，默认安装最新的tensorflow 版本 ，但是默认安装成了2.3.1，因此需要指定版本。

因此我又卸载了它 pip uninstall tensorflow-gpu

需要指定版本（1.xxx即可  WaterNet要求）安装命令 pip install tensorflow-gpu？

我首先制定了 pip install tensorflow-gpu==1.0.1  出现报错

Error: xxx但是后面告诉我们哪些版本可以安装

pip install tensorflow-gpu==1.13.1

搞定了

6 输入下面指令验证安装成功

python
import tensorflow as tf
print(tf.__version__)